-
公开(公告)号：CN110599498B
公开(公告)日：2023-05-05
申请号：CN201910728931.6
申请日：2019-08-08
Applicant: 北京连心医疗科技有限公司
IPC: G06T7/11 , G06T7/00 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明属于深度学习和放疗技术领域，涉及一种基于神经网络对医学影像中人体器官进行分割的方法，包括如下步骤：粗定位待勾画目标器官所在的医学影像层，所述的待勾画目标器官包含若干器官；使用3D二分类U型网络确定作为一个整体的待勾画目标器官的起始层与结束层；将起始层与结束层的中间层输入2D的多分类U型网络，进行精细勾画分割，确定各待勾画器官对应的起始层和结束层。本发明使用3D网络以确定多器官作为一个整体时的起始层与结束层，使用2D网络以解决起始层与结束层中间的各器官间数据不平衡问题，通过结合现有3D网络与2D网络的优点，解决了现有技术中对HU值相近的多器官分割问题。
-
公开(公告)号：CN110766693B
公开(公告)日：2022-06-21
申请号：CN201910730460.2
申请日：2019-08-08
Applicant: 北京连心医疗科技有限公司
Abstract: 本发明属于医学影像和计算机技术领域，涉及一种基于多模型神经网络联合预测放疗结构位置的方法、设备和存储介质。本发明使用多个不同的模型对同一器官的医学图像进行分割，根据器官在医学影像上下层的跟随性，通过比较不同模型预测出的掩模与上一层掩模质心距离的接近程度来降低小器官分割中掩模的假阴、假阳；通过比较不同模型预测出的掩模与上一层掩模的dice系数的高低程度来降低大器官分割中掩模的假阴、假阳。相比于单模型的调优，本发明通过多模型联合预测放疗结构可以明显的改善上述问题，具有很强的普适性。
-
公开(公告)号：CN110310287B
公开(公告)日：2022-04-19
申请号：CN201810239263.6
申请日：2018-03-22
Applicant: 北京连心医疗科技有限公司
Abstract: 本发明属于医学影像技术领域，涉及一种基于三级联卷积神经网络的危及器官自动勾画方法、设备和存储介质。包括步骤：将三维医学影像预处理后输入到训练好的三级联卷积神经网络的第一、第二、第三级网络中依次进行识别待分割器官所存在的横断面、粗定位待分割器官的感兴趣区域、对感兴趣区域中的所有像素点进行分类，随后输出三维的二值分割结果；对二值分割结果进行后处理、边缘提取及边缘平滑后，得到自动勾画的危及器官。其中，本发明的三级联卷积神经网络模型由第一级网络、第二级网络和第三级网络三个卷积神经网络级联而成。本发明的三级联神经网络具有不需要先验知识，算法泛化能力好，鲁棒性强，速度快，全自动，分割准确率高的优点。
-
公开(公告)号：CN110415252A
公开(公告)日：2019-11-05
申请号：CN201810384933.3
申请日：2018-04-26
Applicant: 北京连心医疗科技有限公司
Abstract: 本发明属于医学影像和计算机技术领域，涉及一种基于卷积神经网络的眼周器官的分割方法、设备和存储介质，该方法包括如下步骤：将待分割医学影像输入到训练好的卷积神经二分类网络中，获取医学影像中含有眼睛的横断面；在眼睛横断面中定位眼睛大致区域：分割出头颅后找到眼睛横断面中头颅的中心；根据人体解剖尺寸，通过头颅的中心定位眼睛大致区域；将训练好的用于勾画眼球的卷积神经网络在定位的眼睛大致位置处分割出眼睛勾画眼球；根据眼睛位置结合人体解剖结构，分别定位晶状体、视神经、脑垂体；再通过相应的卷积神经网络分别勾画出晶状体，视神经，脑垂体。
-
公开(公告)号：CN108447551A
公开(公告)日：2018-08-24
申请号：CN201810134407.1
申请日：2018-02-09
Applicant: 北京连心医疗科技有限公司
CPC classification number: G16H30/40 , G06N3/0454 , G06N3/0481 , G06N3/084 , G06T7/0012 , G06T7/13 , G06T7/62 , G06T2207/10081 , G06T2207/10088 , G06T2207/10104 , G06T2207/20081 , G06T2207/20084 , G06T2207/30016
Abstract: 本发明属于医学影像和计算机技术领域，涉及一种基于深度学习的放射治疗计划中靶区自动勾画方法。该方法包括如下步骤：(1)将患者图像数据进行预处理；(2)将预处理的图像数据输入到训练好的卷积神经网络模型中对靶区进行预测；(3)将预测出的靶区进行边缘提取，得到自动勾画的靶区。本发明提供的基于深度学习的靶区自动勾画方法能够实现快速勾靶，并且具有很高的精确度，同样器官如果医生手工勾画需要5～10分钟，本发明提供的靶区自动勾画算法只需要15秒左右，与手工勾画相比，时间缩短了约95％，这极大地提高医生的工作效率，同时又为病人及时治疗提供宝贵的时间。
-
Patent Agency Ranking
公开(公告)号：CN110827961A
公开(公告)日：2020-02-21
申请号：CN201810911894.8
申请日：2018-08-10
Applicant: 北京连心医疗科技有限公司
Abstract: 本发明属于放疗技术领域，涉及一种自适应放疗结构自动勾画方法、设备和存储介质。该方法包括如下步骤：输入患者数据；对患者医学影像进行预处理；利用第一级深度神经网络对患者影像中的人体器官结构进行分类定位；根据分类定位结果，利用第二级深度神经网络对人体器官结构进行分割勾画；将分割勾画结果输出。本发明提供的自适应放疗结构自动勾画方法充分发挥了深度神经网络对图像分类、分割全自动快速计算的优势，在放疗结构的分类和分割过程中避免人工干预，而能够根据影像数据，自适应扫描部位与器官结构，完成全自动勾画处理。将传统需要人工干预的数十分钟乃至数小时的勾画工作，缩短到数分钟即可完成。
-
公开(公告)号：CN110599498A
公开(公告)日：2019-12-20
申请号：CN201910728931.6
申请日：2019-08-08
Applicant: 北京连心医疗科技有限公司
Abstract: 本发明属于深度学习和放疗技术领域，涉及一种基于神经网络对医学影像中人体器官进行分割的方法，包括如下步骤：粗定位待勾画目标器官所在的医学影像层，所述的待勾画目标器官包含若干器官；使用3D二分类U型网络确定作为一个整体的待勾画目标器官的起始层与结束层；将起始层与结束层的中间层输入2D的多分类U型网络，进行精细勾画分割，确定各待勾画器官对应的起始层和结束层。本发明使用3D网络以确定多器官作为一个整体时的起始层与结束层，使用2D网络以解决起始层与结束层中间的各器官间数据不平衡问题，通过结合现有3D网络与2D网络的优点，解决了现有技术中对HU值相近的多器官分割问题。
-
公开(公告)号：CN110766693A
公开(公告)日：2020-02-07
申请号：CN201910730460.2
申请日：2019-08-08
Applicant: 北京连心医疗科技有限公司
Abstract: 本发明属于医学影像和计算机技术领域，涉及一种基于多模型神经网络联合预测放疗结构位置的方法、设备和存储介质。本发明使用多个不同的模型对同一器官的医学图像进行分割，根据器官在医学影像上下层的跟随性，通过比较不同模型预测出的掩模与上一层掩模质心距离的接近程度来降低小器官分割中掩模的假阴、假阳；通过比较不同模型预测出的掩模与上一层掩模的dice系数的高低程度来降低大器官分割中掩模的假阴、假阳。相比于单模型的调优，本发明通过多模型联合预测放疗结构可以明显的改善上述问题，具有很强的普适性。
-
公开(公告)号：CN109308477A
公开(公告)日：2019-02-05
申请号：CN201811110633.2
申请日：2018-09-21
Applicant: 北京连心医疗科技有限公司
CPC classification number: G06K9/342 , G06K9/6227 , G06K2209/05
Abstract: 本发明属于医学影像和计算机技术领域，涉及一种医学影像的自动分割方法、设备和存储介质。该方法包括如下步骤：将医学影像中的器官划分成若干类；训练用于对人体医学影像进行粗分类的深度学习神经网络，使医学影像输入到粗分类深度学习神经网络后判断出其所属的分类类别；将待分类的医学影像输入到训练好的粗分类深度学习神经网络进行粗分类，输出包含感兴趣器官的医学影像层；将包含感兴趣器官的医学影像层输入到与之相匹配的用于对特定感兴趣器官进行分割的精细分割神经网络中，完成对医学影像上的感兴趣器官的精确分割。本发明使放疗结构的自动分割过程能节省分割预测的时间；本发明提供的方法不依赖特定的神经网络，具有很强的普适性。
-
公开(公告)号：CN110827961B
公开(公告)日：2022-08-23
申请号：CN201810911894.8
申请日：2018-08-10
Applicant: 北京连心医疗科技有限公司
Abstract: 本发明属于放疗技术领域，涉及一种自适应放疗结构自动勾画方法、设备和存储介质。该方法包括如下步骤：输入患者数据；对患者医学影像进行预处理；利用第一级深度神经网络对患者影像中的人体器官结构进行分类定位；根据分类定位结果，利用第二级深度神经网络对人体器官结构进行分割勾画；将分割勾画结果输出。本发明提供的自适应放疗结构自动勾画方法充分发挥了深度神经网络对图像分类、分割全自动快速计算的优势，在放疗结构的分类和分割过程中避免人工干预，而能够根据影像数据，自适应扫描部位与器官结构，完成全自动勾画处理。将传统需要人工干预的数十分钟乃至数小时的勾画工作，缩短到数分钟即可完成。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.032 seconds)
